MétaCan
Menu
Retour à la cohorte
Enregistrement W2078008206 · doi:10.1063/1.4870201

A study of ferromagnetic signals in SrTiO3 nanoparticles

2014· article· en· W2078008206 sur OpenAlexaff
P. Kovacs, B. Des Roches, D. A. Crandles

Notice bibliographique

RevueAIP conference proceedings · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueCharacterization and Applications of Magnetic Nanoparticles
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésDiamagnetismMaterials scienceFerromagnetismPelletsAnnealing (glass)PelletNanoparticleMagnetizationParticle sizeMagnetometerMagnetic hysteresisCondensed matter physicsFerromagnetic material propertiesTorrAnalytical Chemistry (journal)Magnetic fieldMetallurgyNanotechnologyComposite materialChemistryPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

It has been suggested that ferromagnetism may be a universal feature of nanoparticles related to particle size. We study this claim for the case of commercially produced SrTiO3 nanoparticles purchased from Alfa-Aesar. Both loosely-packed nanoparticle samples and pellets formed using uniaxial pressure were studied. Both loose and pressed samples were annealed in either air or in vacuum of 5×10−6 Torr at 600, 800 and 1000°C. Then x-ray diffraction and SQUID measurements were made on the resulting samples. It was found that annealed loose powder samples always had a linear diamagnetic magnetization versus field response, while their pressed pellet counterparts exhibit a ferromagnetic hysteresis component in addition to the linear diamagnetic signal. Williamson-Hall analysis reveals that the particle size in pressed pellet samples increases with annealing temperature but does not change significantly in loose powder samples. The main conclusion is that the act of pressing pellets in a die introduces a spurious ferromagnetic signal into SQUID measurements.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,232
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetCharacterization and Applications of Magnetic NanoparticlesTravaux en français237 207